Les modèles prédominants basés sur les réseaux de neurones artificiels (ANN) pour la classification des phrases classifient souvent les phrases de manière isolée, sans prendre en compte le contexte dans lequel elles apparaissent. Cette approche limite les méthodes traditionnelles de classification des phrases face au problème de la classification séquentielle des phrases, où une prédiction structurée est nécessaire pour améliorer les performances globales de classification. Dans cette étude, nous présentons un réseau d'étiquetage séquentiel hiérarchique qui utilise les informations contextuelles contenues dans les phrases environnantes pour aider à classifier la phrase actuelle. Notre modèle surpasses les résultats de l'état de l'art de 2 % à 3 % sur deux ensembles de données de référence pour la classification séquentielle des phrases dans les résumés scientifiques médicaux.